應用方向：高光譜成像技術可用于對蘑菇等高含水農產品的含水量、顏色、硬度、咀嚼性等關鍵品質指標進行快速預測與動態監測，實現傳統破壞性檢測方法向實時、在線、無損檢測的轉變；同時，高光譜成像還能結合建模方法對品質屬性進行空間分布可視化，直觀反映樣品在加工或貯藏過程中的內部與表面變化規律。因此，該技術尤其適合應用于食品冷鏈保鮮、真空冷卻、干燥加工、質量分級以及智能化加工過程控制等領域，為農產品加工和食品工業中的精準檢測與智能決策提供技術支持。

背景：蘑菇作為全球廣泛栽培的食用菌之一，因其營養價值高、風味良好及一定的藥用特性而受到廣泛關注。然而，新鮮蘑菇含水量高，采后極易發生品質劣變，包括失水、褐變及質構下降等問題，導致其貨架期較短。在實際生產中，真空冷卻（VC）作為一種高效預冷技術，已被廣泛應用于蘑菇等高含水農產品的快速降溫處理。該技術通過降低環境壓力促使水分蒸發，從而實現快速降溫，不僅可以顯著縮短冷卻時間、降低能耗，還在一定程度上有助于保持產品品質。因此，真空冷卻過程中的品質變化（如水分、顏色和質構）成為評價其工藝效果的關鍵指標。然而，目前針對真空冷卻過程中蘑菇品質的評價主要依賴傳統檢測方法。例如，通過稱重法測定含水量、使用色差儀測量顏色、通過質構分析儀測試硬度和咀嚼性等。這類方法普遍存在檢測效率低、操作繁瑣且具有破壞性等問題，難以滿足工業生產中對實時在線監測與無損檢測的需求。

近年來，高光譜成像（HSI）技術因其能夠同時獲取目標的光譜信息與空間信息，在食品品質無損檢測領域展現出良好的應用前景。已有研究表明，HSI已成功應用于蘑菇干燥過程中的水分分布監測、微觀結構分析以及品質變化研究等方面。然而，現有研究主要集中于干燥過程，對于真空冷卻這一動態過程中的品質演變缺乏系統研究，尤其是缺乏基于HSI技術的實時、可視化評價方法。

基于上述背景，亟需一種能夠實現快速、無損且可視化的檢測手段，用于動態監測真空冷卻過程中蘑菇品質的變化。因此，將高光譜成像技術引入真空冷卻過程的品質評估，不僅可以彌補傳統方法的不足，還能夠為冷鏈加工過程的智能化監測提供新的技術路徑。

作者信息：孫大文，華南理工大學，愛爾蘭皇*科學院院士、歐洲人文和自然科學院院士、國際食品科學院院士。

期刊來源：Microchemical Journal

研究內容

該研究以雙孢蘑菇真空冷卻過程中的品質變化監測為目標，旨在利用可見—近紅外高光譜成像技術實現對含水量、顏色和質構等關鍵指標的快速、無損和實時評估。研究中，作者采集了不同真空冷卻時間下蘑菇樣品的高光譜圖像，并結合傳統理化測定獲得含水量、亮度、黃度、硬度和咀嚼性等參考數據；在此基礎上，通過光譜預處理、連續投影算法篩選特征波長，并采用偏最小二乘回歸建立預測模型，進一步將模型應用于像素級反演，生成各品質指標在冷卻過程中的偽彩色分布圖，從而實現對蘑菇品質變化的定量分析與可視化監測。

實驗設計

根據成熟度和外觀的一致性，挑選了200個直徑約4厘米的蘑菇樣品，排除了機械損壞、變色和有缺陷的蘑菇。將這些樣品分為五組（每組 40 個樣品），分別進行真空冷卻（VC）0（對照）、5、10、15 和 20 分鐘。

為獲取蘑菇VC過程中的高光譜圖像，本研究在真空腔內組裝了一套便攜式高光譜成像系統（GaiaField-V10，四川雙利合譜光譜成像科技有限公司，中國成都），如圖1所示。該高光譜成像系統由內置推掃式光譜儀、高性能1392×1040 CCD相機、固定焦距鏡頭、四盞鹵素燈組成的照明單元，以及數據采集軟件（Spectral Image，四川雙利合譜光譜成像科技有限公司，中國成都）構成，該軟件用于控制波長范圍、電機轉速、曝光時間和圖像采集。本研究中，高光譜成像系統的波長范圍為400–1000 nm，共491個波段。由于波長范圍兩端噪聲較高，故選取450–950 nm波段用于分析。在VC期間，獲取反射模式下的HSI圖像。將蘑菇樣品放置在黑色背景的相機視野中，以 6.047 mm/s 的內部電機速度和 21.3 ms 的曝光時間掃描樣品。為了避免光照不均勻和傳感器響應對采集數據的影響，在提取前通常采用反射率校正對光譜信息進行校正，然后將原始光譜信息轉化為均勻采集環境中的相對光譜反射信息。

蘑菇樣品的水分含量（MC）采用烘箱法測量。使用色度計CIELAB 色彩空間記錄蘑菇樣品的顏色，并在每個蘑菇蓋上的 3 個等距點記錄亮度 (L*) 和黃度 (b*)。使用質地分析儀進行質地分析，根據力與時間的曲線計算樣品的硬度（H）和咀嚼度（ch）。

圖1. 真空冷卻器內自組裝高光譜成像系統照片。

研究方法

本研究采用標準正態變量（SNV）、正交信號校正（OSC）、導數法（SG-smoothing）和多重散射校正（MSC）對獲取的光譜數據進行預處理。經過這些預處理，200個樣本的高光譜圖像基于Kennard-Stone（K-S）算法被分為校準集和預測集，其中120幅圖像用于建立校準模型，其余80幅圖像用于測試預測模型。本文利用預測集對校準模型進行充分交叉驗證，檢驗所建立模型的實際預測能力。為了消除無效的波長變量并簡化預測模型，采用連續投影算法（SPA）來選擇最佳波長。最后，通過 PLSR 分別建立了基于全波長范圍和選定的最佳波長的模型。

為了直觀地呈現不同VC時間下MC、L*、b*h和ch的動態遷移和分布，選擇最佳波長來映射高光譜圖像中感興趣區域中每個像素的光譜響應。

結果

在光譜分析中，首先從樣品中去除背景，然后提取每個蘑菇的平均相對反射光譜。圖2展示了所有蘑菇的原始光譜及處理后光譜。在450–950 nm波長范圍內，940 nm處可觀察到一個吸收峰，該峰歸屬于水的O-H二級倍頻或三級伸縮倍頻。從圖2（a）可以看出，隨著水分含量降低，平均反射率呈下降趨勢，但各水分含量水平的反射光譜曲線形狀相似。五組蘑菇樣品的光譜因其強度差異而可區分。光散射或樣品與探測器距離變化引起的光譜大幅變化是原始光譜的顯著特征。為減小尺度效應，采用標準正態變量變換（SNV）、多元散射校正（MSC）、正交信號校正（OSC）和Savitzky-Golay（SG）平滑算法對原始光譜進行預處理，如圖2（d）所示，SNV預處理顯著改善了各組光譜的穩定性。

圖2. 蘑菇真空冷卻過程中450–950 nm波長范圍內的代表性光譜曲線：（a）真空冷卻0、5、10、15和20分鐘蘑菇的反射光譜，（b）原始光譜，（c）經Savitzky-Golay平滑和一階導數預處理后的光譜，（d）經標準正態變量變換（SNV）預處理后的光譜。

利用*優模型對水分含量（MC）、明度（L*）、黃度（b*）、硬度（H）和咀嚼性（ch）的分布進行可視化制圖。對于水分含量預測模型，基于Savitzky-Golay平滑結合一階導數（SG-1st Der）的模型表現*優，預測決定系數（R2p）為0.823，預測均方根誤差（RMSEP）為0.34%，且潛變量較少；其次是基于標準正態變量變換（SNV）的模型，R2p為0.821，RMSEP為0.34%，表明光譜預處理可提高預測精度。對于明度（L*）預測，基于SG-1st Der的模型表現*優，R2p為0.790，RMSEP為1.2，光譜預處理效果不明顯；而對于黃度（b*）預測，基于SG結合一階導數的模型取得最佳結果，R2p為0.848，RMSEP為0.81。對于硬度和咀嚼性預測模型，基于正交信號校正（OSC）和SNV預處理的模型分別獲得*優R2p（0.810、0.903）和RMSEP（9.3、2.7）。因此，OSC和SNV預處理可改善硬度和咀嚼性PLSR模型的預測效果。

使用SPA來選擇具有最小RMSECV的最佳波長，最終分別為MC、L*、b*、H 和 ch選擇了十個波長（451、455、541、898、923、933、940、941、944和949 nm）、五個波長（596、817、921、922和941 nm）、七個波長（461、 588、765、899、922、938 和 941 nm）、六種波長（537、698、830、874、922 和 933 nm）和十一種波長（462、485、662、763、817、861、880、918、930、 949 和 950 nm）作為最佳波長。在這些最佳波長中，941、944、949 和 950 nm 波長位于 940–1110 nm 的吸收峰之間，這些吸收峰與水分子中 O-H 鍵的三倍頻程相關。

基于上述所選*優波長，采用PLSR建立MC、L*、b*、H 和 ch的預測模型。這些簡化模型的預測精度略低于全波長范圍模型。預測MC、L*和b*的*優簡化模型均基于SG-1st Der預處理，其R2p分別為0.813、0.767和0.818， RMSEP分別為0.37、1.8和0.89%；而預測H和ch的*優簡化模型分別基于OSC和SNV預處理，R2p為0.805和0.858，RMSEP為9.1和3.9。

利用*優簡化模型對高光譜圖像中每個像素點的MC、L*、b*、H 和 ch進行預測，水分含量的預測結果如圖3所示。基于高光譜圖像各像素點的MC、L*、b*、H和ch預測結果，繪制其分布可視化圖（如圖4所示），圖中以色標表示，黃色代表高值。特別是，圖4（b）顯示隨著真空冷卻（VC）進行，水分含量均勻降低，這與真空冷卻技術均勻降溫的關鍵特征相符。

圖3. 基于*優簡化模型的MC預測結果。

圖4. 不同真空冷卻時間蘑菇的水分含量、明度（L*）、黃度（b*）、硬度和咀嚼性可視化分布圖：（a）蘑菇樣品；（b）水分含量；（c）明度；（d）黃度；（e）硬度；（f）咀嚼性。

結論

在本研究中， HSI首*用于蘑菇真空冷卻過程的水分含量、色澤（明度L*、黃度b*）、硬度（H）和咀嚼性（ch）的原位實時監測。基于400–900 nm全波段及特征波長建立的PLSR定量模型，經光譜預處理后表現出良好的預測效果。實測結果與分布圖顯示，真空冷卻過程中蘑菇菌蓋的水分含量、明度、黃度、硬度和咀嚼性變化較為平緩。因此，高光譜成像技術可作為一種快速、實時、無損的技術手段用于監測蘑菇真空冷卻過程。